전체 글12 ADP 실기 31회 불합격 후기 결론부터 말하자면 불합격이다. 아까운 불합격도 아니었다. 두달간 퇴근하고 매일 3시간 공부하고 킬러 문제도 준비했다고 생각했는데, 실전의 문은 턱없이 높았다. 난이도는 아주 어렵지는 않았지만 보고서 작성 연습을 두 번밖에 하지 못한 것이 패착이라고 생각한다. ADP 실기는 얼마나 많이 알고 있냐가 아니라, 알고 있는 것을 얼마나 정확히 빠르게 적을 수 있는지의 싸움이었던 것 같다. 깊게 반성하고 다음 회차를 위해 보완하고자 하는 점들을 정리하였다. 1) 다양한 모델의 이진분류뿐만 아니라, 다중분류 옵션도 알아야 한다. 예를 들어, 신경망 분류 모델은 마지막 층의 softmax 활성화 함수를 사용하기에 종속변수의 원핫인코딩이 필수이지만, sklearn의 Logistic Regression의 경우 자체 내장.. 2024. 1. 29. ADP실기 23회 실습 https://cafe.naver.com/sqlpd/28193 23회 adp 실기 복기 기계학습 50점 1. 객실이 사용중인지 아닌지에 대한 데이터 제공, 독립변수로 온도 습도 co2 빛 4개 변수 주어짐. 총 290개 가량의 관측치. 분류 문제. co2 변수... cafe.naver.com ADP 실기 23회 복기를 기반으로 공부한 내용을 정리하였습니다. - 기계학습 50점 1. 객실이 사용중인지 아닌지에 대한 데이터 제공, 독립변수로 온도 습도 co2 빛 4개 변수 주어짐. 총 290개 가량의 관측치. 분류 문제. -> 타이타닉 데이터로 대체 import seaborn as sns df = sns.load_dataset('titanic') df.head() df.info() # df.isnull(.. 2023. 5. 9. EDA(Exploratory Data Analysis) 베이스라인 https://www.kaggle.com/code/ash316/eda-to-prediction-dietanic EDA To Prediction(DieTanic) Explore and run machine learning code with Kaggle Notebooks | Using data from Titanic - Machine Learning from Disaster www.kaggle.com 캐글의 EDA To Prediction (DieTanic) 글에서, ADP 실기 시험에서 EDA 파이프라인으로 사용할 내용을 정리하였습니다. - 데이터 훑기 data.info() data.describe() data.isnull().sum() #checking for total null values data.A.. 2023. 5. 7. 파이썬 데이터 분석 코드 북(제4장 데이터 전처리 2) 제4장 데이터 전처리 2 6. 차원 축소 - 주성분 분석 과정 # 데이터를 설명할 수 있는 변수가 많아질수록 좋은 것은 아니다. 오히려 알고리즘의 성능이 저하되는 현상 -> '차원의 저주' # 분석에 사용할 변수를 줄이는 방법에는 1. 종속변수와 상관관계가 높은 설명변수, 2. 주성분 분석(PCA) 등이 있다. # 주성분 분석 과정 import pandas as pd from sklearn.datasets import load_iris from sklearn.preprocessing import StandardScaler # 1. 데이터 정의 iris = load_iris() iris = pd.DataFrame(iris.data, columns = iris.feature_names) iris['Class.. 2023. 1. 23. 이전 1 2 3 다음
